基于仿生混合模型和动态建模的MSWI风量控制方法及系统

1.基于仿生混合模型和动态建模的MSWI风量控制方法，其特征在于，包括：获取MSWI系统连续的关键工况信号，对其预处理后转换为脉冲序列；将脉冲序列输入至优化后的仿生混合神经网络模型中，首先通过脉冲神经网络模块提取脉冲序列的脉冲信号向量，之后将脉冲信号向量传递至LSTM模块中，在传递过程中，引入短时可塑性机制，通过引入权重动态衰减系数与恢复系数，使得突触传递的响应对突发性输入做出调节，并在LSTM模块内部的输入连接和门控单元之间引入长时可塑性机制，分别针对正向和负向反馈信息，进行网络权重的持久性调整，最后LSTM模块预测输出未来时刻的MSWI关键风量；将MSWI焚烧过程划分为多个区域，对各个区域分别建立对应的物料平衡、能量平衡以及反应速率数学模型，模拟垃圾焚烧的物理与化学反应过程，得到模拟理论风量；将预测的MSWI关键风量与模拟理论风量进行数据融合，通过权重加权方法获得综合预测值，利用综合预测值进行MSWI风量集成控制。 2.如权利要求1所述的基于仿生混合模型和动态建模的MSWI风量控制方法，其特征在于，所述关键工况信号包括风量、温度、炉膛温度、进风口压力、烟气CO浓度以及烟气NO X 浓度，所述预处理过程包括去噪、归一化处理，对预处理后的关键工况信号根据信号幅值设定对应的脉冲频率，信号数值大时产生高频率脉冲，信号数值小时产生低频率脉冲，从而将连续的工况信号映射为离散的脉冲序列模式。 3.如权利要求1所述的基于仿生混合模型和动态建模的MSWI风量控制方法，其特征在于，仿生混合神经网络模型包括脉冲神经网络模块、LSTM模块以及突触可塑性模块，所述脉冲神经网络模块包括脉冲神经元以及多层SNN卷积，基于LIF模型设计脉冲神经元，利用LIF模型描述脉冲神经元的膜电位变化；多层SNN卷积网络，每层采用具有仿生设置的卷积核和时延窗口，模拟生物视觉皮层对不同频率信号的响应，在各卷积层后设置时域池化层，通过对脉冲序列进行局部统计，提取局部时间特征，将经过多层脉冲卷积和池化处理后得到的输出脉冲序列转换为固定维度的特征向量，得到脉冲信号向量。 4.如权利要求1所述的基于仿生混合模型和动态建模的MSWI风量控制方法，其特征在于，LSTM模块包括多层LSTM网络，每一层包含若干个LSTM神经元，第一层用于捕捉初步的时序依赖关系，后续层用于提取深层时间序列，为模拟生物大脑的学习能力，引入突触可塑性模块，突触可塑性模块包括短时可塑性机制与长时可塑性机制，在多层SNN卷积与LSTM模块之间引入短时可塑性机制，LSTM模块内部引入长时可塑性机制，短时可塑性机制模拟神经递质在突触间的快速消耗与恢复，引入短时权值调整因子，调制信号传递，使得网络对突发、瞬时输入变化表现出更高的敏感性；长时可塑性机制采用基于误差反馈的权重修正算法，使得当网络预测误差大时，相关突触权重经过多次修正后实现长期增强或抑制，以提高整体模型的记忆效果。 5.如权利要求1所述的基于仿生混合模型和动态建模的MSWI风量控制方法，其特征在于，将MSWI焚烧过程划分为多个区域，包括料斗区、给料机区、干燥区、燃烧区、固相燃烧区、灰区以及余热锅炉区，对各区域进行物料传输、热交换和化学反应过程的建模，分别建立对应的物料平衡、能量平衡以及反应速率数学模型，并建立各区域内物料流动和化学反应的计算公式，包括一次风和二次风在各区域的分配计算、热辐射换热、对流换热以及化学反应条件，在模型中引入时间因素和实时变量，使模型能够反映焚烧过程中的瞬时变化，得到模拟理论风量。 6.如权利要求1所述的基于仿生混合模型和动态建模的MSWI风量控制方法，其特征在于，构建数据融合接口，通过权重加权的方法将预测的MSWI关键风量与模拟理论风量进行数据融合，建立集成控制模型，将融合后的数据输入集成控制模型，将一次风量、二次风量、炉排速度、过量空气系数以及风量比例系数作为控制的关键指标，通过求解最小化目标函数实现闭环自适应调整。 7.基于仿生混合模型和动态建模的MSWI风量控制系统，其特征在于，包括：信号获取模块，用于获取MSWI系统连续的关键工况信号，对其预处理后转换为脉冲序列；特征提取与风量预测模块，用于将脉冲序列输入至优化后的仿生混合神经网络模型中，首先通过脉冲神经网络模块提取脉冲序列的脉冲信号向量，之后将脉冲信号向量传递至LSTM模块中，在传递过程中，引入短时可塑性机制，通过引入权重动态衰减系数与恢复系数，使得突触传递的响应对突发性输入做出调节，并在LSTM模块内部的输入连接和门控单元之间引入长时可塑性机制，分别针对正向和负向反馈信息，进行网络权重的持久性调整，最后LSTM模块预测输出未来时刻的MSWI关键风量；动态模拟模块，用于将MSWI焚烧过程划分为多个区域，对各个区域分别建立对应的物料平衡、能量平衡以及反应速率数学模型，模拟垃圾焚烧的物理与化学反应过程，得到模拟理论风量；集成控制模块，用于将预测的MSWI关键风量与模拟理论风量进行数据融合，通过权重加权方法获得综合预测值，利用综合预测值进行MSWI风量集成控制。 8.一种计算机程序产品，包括计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1-6任一项所述的基于仿生混合模型和动态建模的MSWI风量控制方法。 9.一种非暂态计算机可读存储介质，其特征在于，所述非暂态计算机可读存储介质用于存储计算机指令，所述计算机指令被处理器执行时，实现如权利要求1-6任一项所述的基于仿生混合模型和动态建模的MSWI风量控制方法。 10.一种电子设备，其特征在于，包括：处理器、存储器以及计算机程序；其中，处理器与存储器连接，计算机程序被存储在存储器中，当电子设备运行时，所述处理器执行所述存储器存储的计算机程序，以使电子设备执行实现如权利要求1-6任一项所述的基于仿生混合模型和动态建模的MSWI风量控制方法。